一种利用多来源数据具有隐私保护功能的图象分类方法

摘要

本发明公开了一种利用多来源数据具有隐私保护功能的图象分类方法，首先针对图象收集不同类型的特征属性，将每一组特征看作一个视图，每一个视图上训练一个分类器，对图象的结果进行预测，要求在有标记数据上预测的结果和真实的结果相同；在之后的训练过程中，要求不同视图的预测结果尽可能相近，使得预测性能强的视图能够辅助其它的视图，从而提升每一个视图以及综合的分类结果；最后利用在迭代训练过程中得到的分类器在每一个视图上进行图象分类。本发明所提供的方法实施过程中能够充分利用有标记数据和未标记数据上不同数据源的多种特征属性，适合数据源很多的情况，同时在整个训练过程中能够确保每一个数据源的特征属性不被其它数据源所获取。